分子生成

RFdiffusion 是用于蛋白质骨架生成的扩散模型项目，支持无条件生成、结构基序约束和结合蛋白设计。

分子生成

AIDDISON Explorer 是一个托管式药物发现平台，可根据目标特性要求、设计约束、预测属性和合成可行性生成并排序分子候选物。

分子生成 · 药物发现

Chemistry42 是一个小分子发现平台，将生成式设计、逆合成、ADMET 与选择性预测以及基于物理学的优先级排序结合起来，用于命中识别和先导化合物优化。

分子生成 · 药物发现

Makya 是 Iktos 面向从头分子设计的生成式 AI SaaS 平台，结合项目目标、合成约束以及基于配体或结构的建模来指导化合物筛选。

分子生成 · 药物发现

molSimplify 可生成用于计算筛选的无机配位配合物和分子间配合物，并内置神经网络，用于预测八面体过渡金属配合物的若干特定性质。

分子生成 · 计算化学

FEgrow 支持交互式构建配体系列以用于自由能计算准备，并提供有文档说明的主动学习示例，以及用于分子设计工作流的基于 Dask 的加速。

分子生成 · 药物发现

SELFIES 是一种分子字符串表示形式和 Python 库，可用于转换 SMILES、准备 token 编码，并在可配置的语义约束下生成分子图。

分子生成 · 化学信息学

GEOM 提供 3,700 万个分子构象，涵盖超过 450,000 个分子，并标注能量和统计权重；数据包含 MessagePack、RDKit 对象以及加载和分析教程。

分子生成 · 计算化学

MOSES 将源自 ZINC 的分子数据集、生成基线模型和评估指标结合起来，用于基准测试生成分子的有效性、多样性和新颖性。

分子生成

GuacaMol 是一个用于从头分子设计的 Python 基准测试包，提供分布学习和目标导向评估，以及标准化的 ChEMBL 衍生数据集。

分子生成

REINVENT 是一个 Python 分子设计工具包，利用生成模型、强化学习和迁移学习，按需生成和优化小分子。

分子生成 · 药物发现

用于生成 3D 分子的 E(3) 等变扩散模型官方研究代码，包含 QM9 和 GEOM-Drugs 训练工作流、样本分析及性质条件生成。

分子生成

GeoDiff 是一种用于分子构象生成的几何扩散模型，提供官方代码，支持基于 GEOM 的训练、检查点采样，以及构象和性质评估。

分子生成 · 计算化学

GraphAF 是一种用于分子图生成的基于流的自回归模型，提供参考代码链接，README 更新还指向 TorchDrug 中的一个实现。

分子生成

JT-VAE 是 Junction Tree Variational Autoencoder 的官方实现，用于分子图生成，包含 VAE 训练代码，以及用于贝叶斯优化和联合训练性质预测器的脚本。

分子生成

MoFlow 是一种可逆分子图生成模型，文档介绍了用于 QM9 和 zinc250k 的训练、重构、潜空间采样、插值和性质优化工作流。

分子生成

MolGPT 使用 MOSES 和 Guacamol 数据集，通过下一词元预测训练一个小型自定义 GPT，用于无条件和有条件分子生成，并链接了训练后的权重和基于 Ecco 的显著性分析。

分子生成

Uni-Mol 是一个 3D 分子表征学习框架，包含分子和蛋白质口袋模型，并配有用于性质预测、构象建模和分子对接的相关工具。

分子性质预测 · 分子生成